Thèse Modélisation Théorique de Contaminants Microhydratés de la Phase Gazeuse à l'Interaction avec des Substrats Naturels H/F - Doctorat.Gouv.Fr

Établissement : Université de Toulouse École doctorale : SDM - SCIENCES DE LA MATIERE - Toulouse Laboratoire de recherche : LCPQ - Laboratoire de Chimie et Physique Quantiques Direction de la thèse : Fabienne BESSAC ORCID 0000000308043024 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-07-31T23:59:59 Cette thèse propose l'étude de contaminants organiques comme par exemple, l'atrazine ainsi que de ses produits de dégradation, en tenant compte de l'influence du pH. À l'aide de méthodes de simulation, nous étudierons les différents couples acido-basiques de ces composés en solution aqueuse. Une attention particulière sera accordée au calcul des constantes d'acidité microscopiques et macroscopiques (pKa) des différents couples d'espèces moléculaires en solution, en utilisant des approches de modélisation statique et dynamique. Ces calculs impliquent un grand nombre d'espèces protonées et déprotonées, et pour chacune un grand nombre de conformations à explorer. La prise en compte du solvant en incluant des molécules d'eau explicites permettra de décrire la situation d'un contaminant microhydraté. Les résultats théoriques obtenus seront confrontés à des résultats expérimentaux produits par l'équipe « Agrégats » du LCAR avec laquelle nous travaillerons en étroite collaboration.
Nous nous intéresserons également à l'étude de l'hydratation des complexes de ces contaminants organiques avec Na+ et Ca2+ (cations abondants dans le sol). D'un point de vue expérimental, cette tâche sera plus exploratoire. En effet, si la production d'espèces cationiques ou protonées « simples » est expérimentalement bien maîtrisée, l'ajout de cations Na+ ou Ca2+ dans la source d'agrégats existante n'est pas évidente. En raison de sa pression de vapeur plus faible, le sodium sera un meilleur candidat pour débuter. En effet, le groupe expérimental LCAR travaille depuis plusieurs années avec des clusters de sodium. Les calculs sur [M-Na-(H2O)n]+ donneront des informations théoriques structurales et énergétiques sur la microhydratation des complexes précédemment étudiés. L'étude conjointe théorie/expérience de ces espèces est d'un grand intérêt pour évaluer l'énergie d'interaction dans les sous-systèmes : entre un cation et un contaminant ou entre un cation et l'agrégat d'eau en fonction du nombre n de molécules d'eau. La combinaison de ces études expérimentales et théoriques constituera une première étape dans la construction de structures de départ pertinentes pour le contaminant microhydraté en interaction avec une surface d'argile Na-Montmorillonite. A chaque étape, l'introduction de molécules d'eau explicites dans les simulations conduit à une complexité accrue du fait d'une surface d'énergie potentielle bien plus vaste à modéliser. Le coût de calcul nécessaire pour mener à bien de telles études est très élevé. Pour surmonter cette limitation informatique, nous envisageons de développer des potentiels interatomiques de qualité DFT en utilisant une méthodologie d'apprentissage profond basée sur les réseaux neuronaux (NN) avec lesquels notre groupe a récemment commencé à travailler (ANR DIAPASONS AAPG 2024). L'obtention de potentiels de haute qualité dépend de la qualité de l'entraînement, ce qui est un des défis de ce projet. Ce modèle sera entraîné sur la base de résultats préalablement obtenus par des simulations théoriques, afin de fournir une approche prédictive, précise et efficace pour évaluer le comportement de ces composés microhydratés ou en solution aqueuse et à différentes valeurs de pH. Ce travail sera réalisé dans le cadre de collaborations avec l'équipe 'Agrégats' d'expérimentateurs du LCAR à Toulouse.

Le/La candidat(e) recherché(e), issu(e) d'une formation en chimie ou en physique, devra être motivé(e) et démontrer sa capacité à être autonome. Il/elle devra avoir des compétences en chimie théorique, et être intéressé(e) par la manipulation d'outils informatiques, notamment pour le traitement des données (post-processing). Des compétences en bash et python sont obligatoires. Durant cette thèse, le/la doctorant(e) devra interagir avec l'équipe expérimentale.